ダニング＝クルーガー効果とは？「能力が低い人ほど自信過剰」を2026年の再解析が逆転させた理由

新しいツールを触り始めて3日目の若手が、会議で自信たっぷりに導入を提案します。同じ会議で、10年その領域を見てきた技術者は「もう少し検証させてください」と口を濁します。この光景を見た誰かが、あとで小声で言います。「あれ、ダニング＝クルーガー効果ってやつだよね」と。

能力が低い人ほど自分を過大評価し、能力が高い人ほど慎重になる。この現象には名前がついていて、心理学の研究に裏づけられている——そう理解している方は多いはずです。ネット上では「バカの山」「絶望の谷」というラベルのついた曲線まで出回っています。

ところが、この通説はいま大きく揺れています。2026年7月にアメリカ心理学会の学術誌『Psychological Review』へ掲載された再解析では、統計的な処理を修正すると結論が逆向きになる、と報告されました。能力が高い人ほど過信していた、という結果です。

この記事では、原典の1999年論文が実際に何を示したのか、27年続いてきた論争がどこまで進んだのか、そして「自分の伝わり具合」を較正するために実務で何ができるのかを、一次資料に当たって整理します。経営者、登壇者、研究者など、自分の説明が相手にどう届いているかを正確に知りたい方に向けた内容です。

ダニング＝クルーガー効果とは？原典が示したのは「はさみ型」のずれ

ダニング＝クルーガー効果（Dunning-Kruger effect）とは、能力の低い人ほど自分の成績を過大評価し、能力の高い人はむしろやや過小評価する、という自己評価のずれを指します。1999年にジャスティン・クルーガーとデイヴィッド・ダニングが『Journal of Personality and Social Psychology』で発表した論文が出発点です。

2人は大学生にユーモアのセンス、論理的推論、英文法のテストを受けてもらい、「自分は同世代の中で何パーセンタイルくらいか」を答えてもらいました。パーセンタイルとは、100人中の順位を表す指標です。50パーセンタイルなら「ちょうど真ん中」を意味します。

結果は明快でした。成績が下位25%だった人たちは、自分の順位を平均で50パーセンタイル点も高く見積もっていました。一方、上位の人たちは自分の素点はほぼ正確に答えたのに、周囲との比較順位はわずかに低く見積もっていました。

2人はこのずれを「二重の負担」と呼びました。ある領域の能力が低い人は、成績が悪いだけではありません。その能力の低さゆえに、自分の出来の悪さを見抜くメタ認知（metacognition、自分の思考を客観視する働き）まで働かない、という説明です。

上位者が自分を低く見るのはなぜか

クルーガーとダニングは、上位者の過小評価には別の説明を当てました。優秀な人は「これくらい他の人もできるだろう」と周囲を高く見積もってしまう、というフォールス・コンセンサス効果（false consensus effect）です。自分にとって簡単なことは、他人にとっても簡単だと思い込む傾向を指します。

この「自分の当たり前が相手の当たり前ではない」という構図は、伝え方の問題そのものでもあります。専門家が陥る「知識の呪い」と根は同じです。

「バカの山」のグラフは、どこから来たのか

先に事実を書きます。「バカの山」「絶望の谷」「啓蒙の坂」というラベルのついた曲線は、1999年の原典に存在しません。ダニング自身のその後の論文にも見当たりません。

原典が報告したのは、右肩上がりの直線（実際の成績）と、ほぼ水平に近い線（自己評価）が左端で大きく開く形です。図にすると、はさみの刃が開いたように見えます。上がって落ちてまた上がる山ではありません。

あの曲線は2000年代半ばに研修資料やインターネット上のミームとして広まったもので、ガートナーのハイプ・サイクル（技術への期待が過熱してから幻滅し、やがて定着していく曲線）と混ざった図だと指摘されています。出典が確認できないまま、引用が引用を呼んで定着しました。

心理学の知見が日本で広まる過程で原典から離れていく現象は、これが初めてではありません。「メラビアンの法則」も同じ経路をたどりました。数字だけが独り歩きし、条件が落ちていくのです。

ダニング＝クルーガー効果は統計のトリックなのか

原典の発表からわずか3年後に、最初の重い反論が出ています。この論争は現在も終わっていません。

2002年：回帰効果と「平均以上効果」で説明できる

ヨアヒム・クルーガー（Joachim Krueger、原典のジャスティン・クルーガーとは別人です）とロス・ミュラーは2002年、同じ現象を再現したうえで別の解釈を示しました。テストの点数には必ず測定誤差があります。誤差があると、極端に低い点を取った人の「本当の実力」は見かけより高く、極端に高い点を取った人の実力は見かけより低い方向に寄ります。これを平均への回帰（regression to the mean）と呼びます。

ここに、多くの人が「自分は平均より上」と答える平均以上効果（better-than-average effect）が重なると、統計処理だけで原典と同じ形が生まれる、というのが2人の主張でした。

2002年：それでも説明しきれない、という反論

クルーガーとダニングはすぐに反論を発表しました。測定誤差の影響を補正しても、ずれが消えないと示したのです。信頼性の指標であるスピアマン＝ブラウン係数が0.93と非常に高かった研究4のデータでは、補正後も低得点者は自分の順位を約40パーセンタイル点高く見積もったままでした。

さらに強い証拠として、2人は実験による操作を挙げています。参加者に論理的推論の短い訓練を受けさせると、自己評価の精度が実際に改善したのです。単なる統計の産物なら、訓練で変わるはずがありません。

2017年：測定誤差を除くと効果は縮む、ただし消えない

ヤン・フェルトらは2017年、経済学の手法である操作変数法を使って測定誤差を取り除きました。学生の試験成績の予測を対象に、別の成績指標を「道具」として使う方法です。結果は、能力の低い人ほど過信するという関係は残るものの、通常の分析が示すよりかなり弱い、というものでした。

2020年〜：「（ほとんど）統計的アーティファクト」説とその応酬

ジル・ジニャックとマルチン・ザイェンコフスキは2020年、929人のデータを使って別の検証方法を提案しました。自己評価した知能と実測した知能の関係を四分位に分けずに分析すると、ずれの大きさは知能の高低にかかわらずほぼ一定でした。論文のタイトルは「ダニング＝クルーガー効果は（ほとんど）統計的アーティファクトである」というものです。

ただしこの分析にも異論が出ています。アヴラム・ヒラーは2023年、ジニャックらが自己評価の回答を直線的な尺度に置き換えた処理そのものが結論を左右していると指摘しました。手続きを変えて再分析すると、支持は得られなかったという報告です。

2021年：それでも「低成績者は自分の正誤を見抜けない」を支持

レイチェル・ジャンセンらは2021年、『Nature Human Behaviour』で大規模な追試を報告しました。文法と論理的推論の2つの研究で、それぞれ約4,000人が参加しています。自己評価の合理的モデルを作り、2つの説明を比較したところ、低成績者は「自分の答えが合っているかどうかを見極める力」が弱い、という説明のほうがデータに合いました。

2026年の再解析が示した「逆転」

2026年7月27日、バース大学のクリス・ドーソンとロンドン・スクール・オブ・エコノミクスのデイヴィッド・デメザが『Psychological Review』に論文を発表しました。統計処理を修正すると、能力の高い人ほど過信していた、という報告です。

2人が問題視したのは、参加者をテストの点数だけで四分位に分ける手続きです。テストの点数は揺れます。たまたま知っている問題が出たか、問題文を読み違えなかったか、その日の調子はどうだったか。本来は真ん中あたりの実力の人が、運の悪さだけで下位25%に落ちることがあります。

デメザは声明の中で、こう説明しています。極端に低い点は「たまたま運が悪かった」ケースを多く含むため、その人たちの自己評価は自動的に高すぎるように見える。上位者ではその逆が起きる、と。

2人はテストの点数と自己評価の両方に含まれるランダムなばらつきを扱えるモデルを組み、大規模な追試データに適用しました。すると、古典的なパターンは反転しました。過信そのものは能力の高低を問わず広く見られるものの、その大きさは実力と一緒に上がっていく、という結果です。

2人はさらに、なぜ有能な人ほど過信するのかについて説明を提示しています。過信は、外から見えない自分の能力を相手に伝えるシグナルとして働く。そしてそのシグナルを出す動機は、実際に能力の高い人ほど強い、という考え方です。

この結果をどう受け取るべきか

ひとつの再解析で27年分の研究がひっくり返るわけではありません。この論文は査読を経て掲載されていますが、統計モデルの妥当性については今後の検証が必要です。ジャンセンらの2021年の追試は逆の結論を出しています。

現時点で誠実に言えるのは、「能力が低い人ほど自信過剰である」という主張を、確立した科学的事実として扱うのは無理がある、というところまでです。

では、確かなことは何なのか

論争の中でも、比較的固まっている知見があります。自己評価と実際の能力の相関は、決して高くありません。

イーサン・ゼルとズラタン・クリザンは2014年、22件のメタアナリシスを統合した分析を『Perspectives on Psychological Science』で発表しました。メタアナリシスとは、複数の研究結果を統計的にまとめる手法です。学業、知能、語学、医療技術、スポーツ、職業スキルなど幅広い領域を対象にしています。

自己評価と実際の成績の相関係数は、平均で0.29でした。相関係数は－1から＋1の範囲を取り、1に近いほど2つがぴったり一致します。0.29は「やや関係がある」程度です。個別のメタアナリシスでは0.09から0.63までばらついていました。

この研究では、自己評価が当たりやすくなる条件も見つかっています。評価する対象が特定の領域に絞られているとき、成績の測り方が客観的なとき、その課題に慣れているとき、課題が複雑すぎないとき。この4条件がそろうほど、自分の実力を正しく見積もれます。

※メタアナリシスは個々の研究より一般に信頼性が高く、単発の再解析より強い証拠とされます。ただし元になった研究の質を超えることはありません。

初心者の自信は、学び始めに急上昇する

カルメン・サンチェスとダニングは2018年、別の角度から自己評価を調べています。6つの研究を通じて、参加者が新しい課題を学ぶ過程を追いました。

参加者は最初から自信過剰だったわけではありません。数回の経験を積んだ直後に、自信が急に跳ね上がりました。2人はこれを初心者バブル（beginner’s bubble）と呼んでいます。わずかな経験から「こうすればいいのだな」という理屈を作り上げ、それを信じ込む段階です。その後の試行で理屈が崩れ、自信はいったん頭打ちになります。

冒頭の「3日目の若手」の姿は、この初心者バブルに近いのかもしれません。ただしサンチェスとダニングの研究は実験室の課題が中心で、職場の複雑な仕事にそのまま当てはめられるかは検証が続いています。

明日から使える：自分の「伝わり具合」を較正する4つの手順

論争の決着を待たなくても、実務で使える示唆はあります。原典の実験そのものが、自己評価を正確にする方法を2つ示しているからです。

手順1：測る対象を絞る

ゼルとクリザンの分析では、評価する対象が特定の領域に絞られているほど自己評価は正確になりました。「私のプレゼンは上手いか」ではなく、「先週の役員会で、3ページ目のグラフは1回で伝わったか」と問い直します。範囲が狭く、答えが客観的に確かめられる問いほど、自分の見立ては当たります。

手順2：先に予測を書き、あとで答え合わせをする

説明の前に「相手がいちばん引っかかるのはどこか」「質疑で最初に出る質問は何か」を書き出しておきます。終わったあとで実際と照らします。この予測と結果の突き合わせが、原典の実験でいう「自己採点」にあたります。

予測を口の中だけで済ませず、紙かメモアプリに残すことが大事です。書かないと、あとから記憶が結果に合わせて書き換わります。

手順3：その領域の型を学ぶ

クルーガーとダニングの研究4では、論理的推論の短い訓練を受けた参加者の自己評価が大きく改善しました。順位のずれは36点から17点へ、素点のずれは5点から1点以内へ縮んでいます。

伝え方でも同じことが言えます。良い説明の条件を知らなければ、自分の説明の良し悪しは判定できません。「専門家ほど説明が下手」になる理由と改善策のように、判断基準そのものを持つことが自己評価の精度を上げます。

手順4：他人の実物を見る

原典の研究3では、参加者に他の人が実際に書いた答案を見せました。すると上位の参加者の自己評価が正確になりました。自分の位置は、比較対象を実際に見るまで見当がつきません。

他人の登壇動画や提案書を、感想ではなく素材として見る時間を作ります。「うまい」ではなく「冒頭30秒で何をしたか」を数えると、自分との差が具体的になります。

「あの人はダニング＝クルーガー効果だ」と言う前に

この理論がここまで広まった理由のひとつは、使い勝手のよさにあります。話の通じない相手を一言で片づけられるからです。

ただ、その使い方には二つの問題があります。ひとつは、いま見てきたとおり、科学的な裏づけが論争中であること。もうひとつは、他人に貼るラベルとして使われた瞬間、自分の側の点検が止まることです。

2026年の再解析が示した「有能な人ほど過信する」という結果は、この点で示唆的です。仮にそれが正しいなら、警戒すべきなのは経験の浅い誰かではなく、その領域で結果を出してきた自分自身ということになります。

説明が伝わらなかったとき、原因を相手の理解力に求めるか、自分の伝え方に求めるか。この分かれ道は、能力の高低とは別の問題です。自分の伝え方の型を客観的に把握しておくことは、その分かれ道で立ち止まるための材料になります。

よくある質問

ダニング＝クルーガー効果は否定されたのですか

否定されたとまでは言えません。統計処理をめぐる批判が積み重なり、2026年には結論が逆転する再解析も出ましたが、支持する追試も2021年に報告されています。「能力が低い人ほど自信過剰」を確立した事実として語るのは避けるべきだ、というのが現時点で言える範囲です。

「バカの山」の曲線を資料に載せてもよいですか

おすすめしません。あの曲線は1999年の原典にも、ダニングのその後の論文にも存在しません。出典を確認できない図を根拠として示すと、資料全体の信頼性が下がります。使うなら「ネット上で広まった俗説の図」として紹介する形になります。

自分が過信しているかどうかは、どうすれば確かめられますか

結果と照合できる予測を、事前に文字で残すのが最も確実です。「この提案は今日通る」「最初の質問は費用について来る」といった具体的な予測を書き、あとで答え合わせをします。ゼルとクリザンの分析では、対象が狭く客観的に測れるほど自己評価は正確になりました。

部下や後輩の過信を指摘するにはどうすればよいですか

ラベルを貼るより、材料を渡すほうが効果的です。原典の研究3では、他の参加者が実際に書いた答案を見せることで自己評価が改善しました。「君は自信過剰だ」と伝えるのではなく、比較できる実物と、良し悪しを判断する基準を渡します。

初心者バブルは避けられますか

完全には避けられないと考えたほうが現実的です。サンチェスとダニングの研究では、数回の経験を積んだ直後に自信が跳ね上がりました。学び始めの時期には、大きな判断を単独で下さない仕組みを作るほうが確実です。

まとめ：ラベルではなく、照合の仕組みを持つ

ダニング＝クルーガー効果は、1999年の発表から27年にわたって支持と反論を行き来してきました。2026年の再解析は、統計処理を修正すると結論が逆向きになると報告しています。この論争は決着していません。

一方で、比較的固まっている知見もあります。自己評価と実際の能力の相関は平均で0.29と高くありません。そして自己評価の精度は固定された素質ではなく、訓練や比較材料の提示で動きます。

次の一歩として、直近の説明の場をひとつ選び、「相手が最初に引っかかる箇所」を紙に書き出してみてください。終わったあとで照合するだけで、自分の見立てがどれくらい当たるかがわかります。本番前の予行演習を脳の働きから設計する方法と組み合わせると、予測の精度はさらに上がります。

出典

• Kruger, J., & Dunning, D. (1999). Unskilled and unaware of it: How difficulties in recognizing one’s own incompetence lead to inflated self-assessments. Journal of Personality and Social Psychology, 77(6), 1121–1134. doi:10.1037/0022-3514.77.6.1121
• Kruger, J., & Dunning, D. (2002). Unskilled and unaware—but why? A reply to Krueger and Mueller (2002). Journal of Personality and Social Psychology, 82(2), 189–192. PDF
• Krueger, J., & Mueller, R. A. (2002). Unskilled, unaware, or both? The better-than-average heuristic and statistical regression predict errors in estimates of own performance. Journal of Personality and Social Psychology, 82(2), 180–188. doi:10.1037/0022-3514.82.2.180
• Zell, E., & Krizan, Z. (2014). Do people have insight into their abilities? A metasynthesis. Perspectives on Psychological Science, 9(2), 111–125. doi:10.1177/1745691613518075
• Feld, J., Sauermann, J., & de Grip, A. (2017). Estimating the relationship between skill and overconfidence. Journal of Behavioral and Experimental Economics, 68, 18–24. doi:10.1016/j.socec.2017.03.002
• Sanchez, C., & Dunning, D. (2018). Overconfidence among beginners: Is a little learning a dangerous thing? Journal of Personality and Social Psychology, 114(1), 10–28. doi:10.1037/pspa0000102
• Gignac, G. E., & Zajenkowski, M. (2020). The Dunning-Kruger effect is (mostly) a statistical artefact: Valid approaches to testing the hypothesis with individual differences data. Intelligence, 80, 101449. doi:10.1016/j.intell.2020.101449
• Jansen, R. A., Rafferty, A. N., & Griffiths, T. L. (2021). A rational model of the Dunning–Kruger effect supports insensitivity to evidence in low performers. Nature Human Behaviour, 5(6), 756–763. doi:10.1038/s41562-021-01057-0
• Hiller, A. (2023). Comment on Gignac and Zajenkowski, “The Dunning-Kruger effect is (mostly) a statistical artefact”. Intelligence, 97, 101733. PhilArchive
• Dawson, C., & de Meza, D. (2026). Talking the talk, not walking the walk: The coevolution of overconfidence and loss aversion. Psychological Review. doi:10.1037/rev0000644
• University of Bath (2026年7月27日). New research turns the Dunning-Kruger effect on its head. プレスリリース